CN109784172A - 商场中地堆商品占地面积估算方法、系统、设备及介质 - Google Patents
商场中地堆商品占地面积估算方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN109784172A CN109784172A CN201811532100.3A CN201811532100A CN109784172A CN 109784172 A CN109784172 A CN 109784172A CN 201811532100 A CN201811532100 A CN 201811532100A CN 109784172 A CN109784172 A CN 109784172A
- Authority
- CN
- China
- Prior art keywords
- commodity
- heap
- ground
- ground heap
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明提供了一种商场中地堆商品占地面积估算方法、系统、设备及介质包括如下步骤：将采集到的多张图像输入预设置的场景分类模型，通过场景分类模型在多张图像中筛选出多张地堆商品图像；通过预设置的商品识别模型，将每一地堆商品图像中的每一地推商品区域识别出并生成对多个地堆商品区域通过线条标注出的多边体标注框；根据每一地堆商品图像中多个地推商品区域对应的标注框多边体估算出该地堆商品图像中多个地推商品的占地面积。本发明能够将在巡店时采集的多张图像中的地堆商品图像中的每一地堆商品区域通过标注框标注出，并通过标注框估算出地堆商品图像中多个地推商品的占地面积，从而能够便于租用面积的估算，提高了租用面积的估算效率。
Description
技术领域
本发明涉及机器学习，具体地，涉及一种商场中地堆商品占地面积估算方法、系统、设备及介质。
背景技术
此外，随着商业经济的快速发展，人民生活水平的提高，城市品牌形象的树立，在人民生活的聚集区，都会存在百货商场。作为百货商场的供应商，如可口可乐公司、百事可乐公司、宝洁公司等需要对产品进行促销时，一般都会租用百货商场的场地进行促销，如租用百货商场的门口或过道的位置摆放商品进行促销。
供应商对商品进行促销时，一般由商场的工作人员在租用位置进行商品的摆放，由供应商的巡店员对每一家百货商场进行巡视，检查每一家店的摆放状况，并通过人工估算摆放面积是否与租用面积相符。但是巡店员不仅要检查促销商品，还要检查货架上、冰箱等位置的商品摆放状况，工作内容较为繁重，因此常常发生巡店员随意填写预估出的租用面积的情况，即使巡店员进行预估，预估出的面积也与实际租用的面积相差较大。
机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。随着机器学习技术的发展，有望对商品摆放面积估算提出一些新的解决思路。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种商场中地堆商品占地面积估算方法、系统、设备及介质。
根据本发明提供的商场中地堆商品占地面积估算方法，包括如下步骤：
步骤S1：将采集到的多张图像输入预设置的场景分类模型，通过所述场景分类模型在所述多张图像中筛选出多张地堆商品图像；
步骤S2：通过预设置的商品识别模型，将每一所述地堆商品图像中的每一地推商品区域识别出并生成对多个地堆商品区域通过线条标注出的标注框；
步骤S3：根据每一地堆商品图像中多个地推商品区域对应的所述标注框估算出该地堆商品图像中多个地推商品的占地面积。
优选地，所述步骤S1包括如下步骤：
步骤S101：获取多张用于场景分类的训练图像，对每一所述用于场景分类的训练图像进行应用场景的类别标注；
步骤S102：利用标注应用场景后的所述用于场景分类的训练图像建立所述场景分类模型；
步骤S103：将多张所述图像输入所述场景分类模型进行场景分类筛选出多张地堆商品图像。
优选地，所述应用场景的类别包括如下任一种或任多种应用场景：
-冰箱；
-货架；
-地推商品；
-摆台；
-挂件架。
优选地，所述步骤S2包括如下步骤：
步骤S201：将多张所述地堆商品图像输入所述商品识别模型进行识别，将每一所述地堆商品图像中的每一地推商品区域识别出；
步骤S202：对每一识别出的所述地堆商品区域通过线条框出形成多个标注框并标注出对应的商品类别和置信度；
步骤S202：对多个所述标注框进行筛选，筛选出多个多边体。
优选地，所述步骤S3包括如下步骤：
步骤S301：在每一地堆商品图像中，根据每一多边体的结构投影出该多边体的下侧面；
步骤S302：在每一地堆商品图像中对多个多边体的下侧面取并集后求出多个多边体的下侧面面积和；
步骤S303：根据每一地堆商品图像的缩放比例对每一地堆商品图像中多个多边体的下侧面面积和进行换算生成该地堆商品图像中多个地推商品的占地面积。
优选地，所述步骤S3包括如下步骤：
步骤S301：在每一地堆商品图像中，当多个同一商品类别对应地推商品区域的标注框为多边形且沿竖直方向依次排列时，记为一面积单元；
步骤S302：统计每一地堆商品图像中每一商品类别对应的面积单元数量；
步骤S303：根据预设置的每一商品类别对应的面积数值生成每一地堆商品图像中多个地推商品的占地面积。
优选地，所述商品识别模型通过如下方式训练生成：
步骤M1：获取多组用于地堆商品识别的训练图像，每组所述用于地堆商品识别训练图像包括多张同一类别的地堆商品；
步骤M2：通过多组所述用于地堆商品识别的训练图像训练生成所述商品识别模型。
根据本发明提供的商场中地堆商品占地面积估算系统，用于实现所述的商场中地堆商品占地面积估算方法，包括：
场景分类模块，用于将采集到的多张图像输入预设置的场景分类模型，通过所述场景分类模型在所述多张图像中筛选出多张地堆商品图像；
商品识别模块，用于通过预设置的商品识别模型，将每一所述地堆商品图像中的每一地推商品区域识别出并生成对多个地堆商品区域通过线条标注出的标注框；
占地面积计算模块，用于根据每一地堆商品图像中多个地推商品区域对应的所述标注框估算出该地堆商品图像中多个地推商品的占地面积。
根据本发明提供的商场中地堆商品占地面积估算设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述商场中地堆商品占地面积估算方法的步骤。
根据本发明提供的计算机可读存储介质，用于存储程序，所述程序被执行时实现所述商场中地堆商品占地面积估算方法的步骤。
与现有技术相比，本发明具有如下的有益效果：
本发明能够将在巡店时采集的多张图像中自动筛选出地堆商品图像，并将地堆商品图像中的每一地堆商品区域通过标注框标注出，并通过所述标注框估算出地堆商品图像中多个地推商品的占地面积，从而能够便于租用面积的估算，提高了租用面积的估算效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明中商场中地堆商品占地面积估算方法的步骤流程图；
图2为本发明中对采集到的多张图像进行场景分类的步骤流程图；
图3为本发明中对地堆商品图像进行识别生成多边体的步骤流程图；
图4为本发明中生成多个地推商品的占地面积的步骤流程图；
图5为本发明中将地堆商品图像框出的线性框体的结构示意图；
图6为本发明变形例中生成多个地推商品的占地面积的步骤流程图；
图7为本发明变形例中将地堆商品图像框出的线性框体的结构示意图；
图8为本发明中生成所述商品识别模型的步骤流程图；
图9为本发明中商场中地堆商品占地面积估算系统的模块示意图；
图10为本发明中商场中地堆商品占地面积估算设备的结构示意图；以及
图11为本发明中计算机可读存储介质的结构示意图。
图中：
1为多边形；
2为多边体；
3为投影出下侧面的多边体。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
图1为本发明中商场中地堆商品占地面积估算方法的步骤流程图，如图1所示，本发明中提供的商场中地堆商品占地面积估算方法，包括如下步骤：
步骤S1：将采集到的多张图像输入预设置的场景分类模型，通过所述场景分类模型在所述多张图像中筛选出多张地堆商品图像；
步骤S2：通过预设置的商品识别模型，将每一所述地堆商品图像中的每一地推商品区域识别出并生成对多个地堆商品区域通过线条标注出的标注框；
步骤S3：根据每一地堆商品图像中多个地推商品区域对应的所述标注框估算出该地堆商品图像中多个地推商品的占地面积。
在本实施例中，所述地堆商品多个单件商品呈矩阵排列后通过塑料袋包装的整体产品，如可口可乐公司的24瓶瓶装可乐，以4x6的矩阵排列后的通过塑料袋包装的整体产品。
在本实施例中，所述应用场景的类别包括如下任一种或任多种应用场景：
-冰箱；
-货架；
-地推商品；
-摆台；
-挂件架。
在本实施例中，本发明能够将在巡店时采集的多张图像中自动筛选出地堆商品图像，并将地堆商品图像中的每一地堆商品区域通过标注框标注出，并通过所述标注框估算出地堆商品图像中多个地推商品的占地面积，从而能够便于租用面积的估算，提高了租用面积的估算效率。
图2为本发明中对采集到的多张图像进行场景分类的步骤流程图，如图2所示，所述步骤S1包括如下步骤：
步骤S101：获取多张用于场景分类的训练图像，对每一所述用于场景分类的训练图像进行应用场景的类别标注；
步骤S102：利用标注应用场景后的所述用于场景分类的训练图像建立所述场景分类模型；
步骤S103：将多张所述图像输入所述场景分类模型进行场景分类筛选出多张地堆商品图像。
图3为本发明中对地堆商品图像进行识别生成多边体的步骤流程图，如图3所示，所述步骤S2包括如下步骤：
步骤S201：将多张所述地堆商品图像输入所述商品识别模型进行识别，将每一所述地堆商品图像中的每一地推商品区域识别出；
步骤S202：对每一识别出的所述地堆商品区域通过线条框出形成多个标注框并标注出对应的商品类别和置信度；
步骤S202：对多个所述标注框进行筛选，筛选出多个多边体。
在本实施例中，可以将变数为6条以及6条以上的线性框体判定为多边体，6条边以下的为多边形。
在本实施例中，所述商品类别可以设置为SKU(Stock Keeping Unit，库存量单位)。
图4为本发明中生成多个地推商品的占地面积的步骤流程图，如图4所示，所述步骤S3包括如下步骤：
步骤S301：在每一地堆商品图像中，根据每一多边体的结构投影出该多边体的下侧面；
步骤S302：在每一地堆商品图像中对多个多边体的下侧面取并集后求出多个多边体的下侧面面积和；
步骤S303：根据每一地堆商品图像的缩放比例对每一地堆商品图像中多个多边体的下侧面面积和进行换算生成该地堆商品图像中多个地推商品的占地面积。
在本实施例中，所述缩放比例可以为预设值的比例，也可以在采集图像中的目标参考物换算出的缩放比例，如提前提前采集图像中一瓶饮料的高度和实际情况下该瓶装饮料的高度比值计算出所述缩放比例，还可以在拍照时放入目标参考物，便于计算所述缩放比例。
图5为本发明中将地堆商品图像框出的线性框体的结构示意图，如图5所示，可以根据多边体的各边之间的关系投影出该多边体的下侧面。
图6为本发明变形例中生成多个地推商品的占地面积的步骤流程图，如图6所示，所述步骤S3包括如下步骤：
步骤S301：在每一地堆商品图像中，当多个同一商品类别对应地推商品区域的标注框为多边体形且沿竖直方向依次排列时，记为一面积单元；
步骤S302：统计每一地堆商品图像中每一商品类别对应的面积单元数量；
步骤S303：根据预设置的每一商品类别对应的面积数值生成每一地堆商品图像中多个地推商品的占地面积。
图7为本发明变形例中将地堆商品图像框出的线性框体的结构示意图，如图7所示，即为地推商品区域的多边形沿竖直方向依次排列时的情形。而在促销时，一般同类商品依次竖直排放，但占地面积仅相当于一件地推商品的占地面积，故仅记为一个面积单元，但不同商品类别的地推商品占地面积不同，进而需要根据不同种类的地推商品的面积计算出多个不同种类的地堆商品图像中多个地推商品的占地面积。
图8为本发明中生成所述商品识别模型的步骤流程图，如图8所示，所述商品识别模型通过如下方式训练生成：
步骤M1：获取多组用于地堆商品识别的训练图像，每组所述用于地堆商品识别训练图像包括多张同一类别的地堆商品；
步骤M2：通过多组所述用于地堆商品识别的训练图像训练生成所述商品识别模型。
图9为本发明中商场中地堆商品占地面积估算系统的模块示意图，如图9所示，本发明提供的商场中地堆商品占地面积估算系统，用于实现所述的商场中地堆商品占地面积估算方法，包括：
场景分类模块，用于将采集到的多张图像输入预设置的场景分类模型，通过所述场景分类模型在所述多张图像中筛选出多张地堆商品图像；
商品识别模块，用于通过预设置的商品识别模型，将每一所述地堆商品图像中的每一地推商品区域识别出并生成对多个地堆商品区域通过线条标注出的标注框；
占地面积计算模块，用于根据每一地堆商品图像中多个地推商品区域对应的所述标注框估算出该地堆商品图像中多个地推商品的占地面积。
本发明实施例中还提供一种商场中地堆商品占地面积估算设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的商场中地堆商品占地面积估算方法的步骤。
如上，该实施例中本发明能够将在巡店时采集的多张图像中自动筛选出地堆商品图像，并将地堆商品图像中的每一地堆商品区域通过标注框标注出，并通过所述标注框估算出地堆商品图像中多个地推商品的占地面积，从而能够便于租用面积的估算，提高了租用面积的估算效率。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
图10是本发明的商场中地堆商品占地面积估算设备的结构示意图。下面参照图10来描述根据本发明的这种实施方式的电子设备600。图10显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述商场中地堆商品占地面积估算方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图10中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例中还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的商场中地堆商品占地面积估算方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述商场中地堆商品占地面积估算方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示，该实施例的计算机可读存储介质的程序在执行时，本发明能够将在巡店时采集的多张图像中自动筛选出地堆商品图像，并将地堆商品图像中的每一地堆商品区域通过标注框标注出，并通过所述标注框估算出地堆商品图像中多个地推商品的占地面积，从而能够便于租用面积的估算，提高了租用面积的估算效率。
图11是本发明的计算机可读存储介质的结构示意图。参考图11所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本实施例中，本发明能够将在巡店时采集的多张图像中自动筛选出地堆商品图像，并将地堆商品图像中的每一地堆商品区域通过标注框标注出，并通过所述标注框估算出地堆商品图像中多个地推商品的占地面积，从而能够便于租用面积的估算，提高了租用面积的估算效率。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
Claims (10)
1.一种商场中地堆商品占地面积估算方法，其特征在于，包括如下步骤：
步骤S1：将采集到的多张图像输入预设置的场景分类模型，通过所述场景分类模型在所述多张图像中筛选出多张地堆商品图像；
步骤S2：通过预设置的商品识别模型，将每一所述地堆商品图像中的每一地推商品区域识别出并生成对多个地堆商品区域通过线条标注出的标注框；
步骤S3：根据每一地堆商品图像中多个地推商品区域对应的所述标注框估算出该地堆商品图像中多个地推商品的占地面积。
2.根据权利要求1所述的商场中地堆商品占地面积估算方法，其特征在于，所述步骤S1包括如下步骤：
步骤S101：获取多张用于场景分类的训练图像，对每一所述用于场景分类的训练图像进行应用场景的类别标注；
步骤S102：利用标注应用场景后的所述用于场景分类的训练图像建立所述场景分类模型；
步骤S103：将多张所述图像输入所述场景分类模型进行场景分类筛选出多张地堆商品图像。
3.根据权利要求2所述的商场中地堆商品占地面积估算方法，其特征在于，所述应用场景的类别包括如下任一种或任多种应用场景：
-冰箱；
-货架；
-地推商品；
-摆台；
-挂件架。
4.根据权利要求1所述的商场中地堆商品占地面积估算方法，其特征在于，所述步骤S2包括如下步骤：
步骤S201：将多张所述地堆商品图像输入所述商品识别模型进行识别，将每一所述地堆商品图像中的每一地推商品区域识别出；
步骤S202：对每一识别出的所述地堆商品区域通过线条框出形成多个标注框并标注出对应的商品类别和置信度；
步骤S202：对多个所述标注框进行筛选，筛选出多个多边体。
5.根据权利要求4所述的商场中地堆商品占地面积估算方法，其特征在于，所述步骤S3包括如下步骤：
步骤S301：在每一地堆商品图像中，根据每一多边体的结构投影出该多边体的下侧面；
步骤S302：在每一地堆商品图像中对多个多边体的下侧面取并集后求出多个多边体的下侧面面积和；
步骤S303：根据每一地堆商品图像的缩放比例对每一地堆商品图像中多个多边体的下侧面面积和进行换算生成该地堆商品图像中多个地推商品的占地面积。
6.根据权利要求1所述的商场中地堆商品占地面积估算方法，其特征在于，所述步骤S3包括如下步骤：
步骤S301：在每一地堆商品图像中，当多个同一商品类别对应地推商品区域的标注框为多边形且沿竖直方向依次排列时，记为一面积单元；
步骤S302：统计每一地堆商品图像中每一商品类别对应的面积单元数量；
步骤S303：根据预设置的每一商品类别对应的面积数值生成每一地堆商品图像中多个地推商品的占地面积。
7.根据权利要求1所述的商场中地堆商品占地面积估算方法，其特征在于，所述商品识别模型通过如下方式训练生成：
步骤M1：获取多组用于地堆商品识别的训练图像，每组所述用于地堆商品识别训练图像包括多张同一类别的地堆商品；
步骤M2：通过多组所述用于地堆商品识别的训练图像训练生成所述商品识别模型。
8.一种商场中地堆商品占地面积估算系统，用于实现权利要求1至7中任一项所述的商场中地堆商品占地面积估算方法，其特征在于，包括：
场景分类模块，用于将采集到的多张图像输入预设置的场景分类模型，通过所述场景分类模型在所述多张图像中筛选出多张地堆商品图像；
商品识别模块，用于通过预设置的商品识别模型，将每一所述地堆商品图像中的每一地推商品区域识别出并生成对多个地堆商品区域通过线条标注出的标注框；
占地面积计算模块，用于根据每一地堆商品图像中多个地推商品区域对应的所述标注框估算出该地堆商品图像中多个地推商品的占地面积。
9.一种商场中地堆商品占地面积估算设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述商场中地堆商品占地面积估算方法的步骤。
10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至7中任意一项所述商场中地堆商品占地面积估算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811532100.3A CN109784172A (zh) | 2018-12-14 | 2018-12-14 | 商场中地堆商品占地面积估算方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811532100.3A CN109784172A (zh) | 2018-12-14 | 2018-12-14 | 商场中地堆商品占地面积估算方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109784172A true CN109784172A (zh) | 2019-05-21 |
Family
ID=66496243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811532100.3A Pending CN109784172A (zh) | 2018-12-14 | 2018-12-14 | 商场中地堆商品占地面积估算方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109784172A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113034574A (zh) * | 2021-05-25 | 2021-06-25 | 广州市玄武无线科技股份有限公司 | 一种基于目标检测的商品地堆面积计算方法及系统 |
| CN115272446A (zh) * | 2022-09-27 | 2022-11-01 | 南京掌控网络科技有限公司 | 一种堆头占地面积计算的方法和系统 |
| CN116128954A (zh) * | 2022-12-30 | 2023-05-16 | 上海强仝智能科技有限公司 | 一种基于生成网络的商品布局识别方法、装置及存储介质 |
| CN116311219A (zh) * | 2023-01-29 | 2023-06-23 | 广州市玄武无线科技股份有限公司 | 一种基于透视变换的地堆本品占地面积计算方法及装置 |
| CN116721338A (zh) * | 2023-03-13 | 2023-09-08 | 广州市玄武无线科技股份有限公司 | 一种基于目标检测的地堆本品占地面积计算方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160180468A1 (en) * | 2014-12-23 | 2016-06-23 | The Travelers Indemnity Company | Systems, methods, and apparatus for object classification based on localized information |
| CN107463946A (zh) * | 2017-07-12 | 2017-12-12 | 浙江大学 | 一种结合模板匹配与深度学习的商品种类检测方法 |
| CN108389230A (zh) * | 2018-03-07 | 2018-08-10 | 上海扩博智能技术有限公司 | 冰箱容量自动检测方法、系统、设备及存储介质 |
| CN108734162A (zh) * | 2018-04-12 | 2018-11-02 | 上海扩博智能技术有限公司 | 商品图像中目标识别方法、系统、设备及存储介质 |
| CN108960202A (zh) * | 2018-08-01 | 2018-12-07 | 京东方科技集团股份有限公司 | 一种智能货架、系统、判断商品叠放的方法 |
| CN108960737A (zh) * | 2018-07-16 | 2018-12-07 | 武汉理工大学 | 基于机器视觉的仓库自动巡检系统及方法 |
-
2018
- 2018-12-14 CN CN201811532100.3A patent/CN109784172A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160180468A1 (en) * | 2014-12-23 | 2016-06-23 | The Travelers Indemnity Company | Systems, methods, and apparatus for object classification based on localized information |
| CN107463946A (zh) * | 2017-07-12 | 2017-12-12 | 浙江大学 | 一种结合模板匹配与深度学习的商品种类检测方法 |
| CN108389230A (zh) * | 2018-03-07 | 2018-08-10 | 上海扩博智能技术有限公司 | 冰箱容量自动检测方法、系统、设备及存储介质 |
| CN108734162A (zh) * | 2018-04-12 | 2018-11-02 | 上海扩博智能技术有限公司 | 商品图像中目标识别方法、系统、设备及存储介质 |
| CN108960737A (zh) * | 2018-07-16 | 2018-12-07 | 武汉理工大学 | 基于机器视觉的仓库自动巡检系统及方法 |
| CN108960202A (zh) * | 2018-08-01 | 2018-12-07 | 京东方科技集团股份有限公司 | 一种智能货架、系统、判断商品叠放的方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113034574A (zh) * | 2021-05-25 | 2021-06-25 | 广州市玄武无线科技股份有限公司 | 一种基于目标检测的商品地堆面积计算方法及系统 |
| CN115272446A (zh) * | 2022-09-27 | 2022-11-01 | 南京掌控网络科技有限公司 | 一种堆头占地面积计算的方法和系统 |
| CN115272446B (zh) * | 2022-09-27 | 2023-01-24 | 南京掌控网络科技有限公司 | 一种堆头占地面积计算的方法和系统 |
| CN116128954A (zh) * | 2022-12-30 | 2023-05-16 | 上海强仝智能科技有限公司 | 一种基于生成网络的商品布局识别方法、装置及存储介质 |
| CN116128954B (zh) * | 2022-12-30 | 2023-12-05 | 上海强仝智能科技有限公司 | 一种基于生成网络的商品布局识别方法、装置及存储介质 |
| CN116311219A (zh) * | 2023-01-29 | 2023-06-23 | 广州市玄武无线科技股份有限公司 | 一种基于透视变换的地堆本品占地面积计算方法及装置 |
| CN116311219B (zh) * | 2023-01-29 | 2024-02-09 | 广州市玄武无线科技股份有限公司 | 一种基于透视变换的地堆本品占地面积计算方法及装置 |
| CN116721338A (zh) * | 2023-03-13 | 2023-09-08 | 广州市玄武无线科技股份有限公司 | 一种基于目标检测的地堆本品占地面积计算方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108647553B (zh) | 模型训练用图像的快速扩充方法、系统、设备及存储介质 | |
| CN109784172A (zh) | 商场中地堆商品占地面积估算方法、系统、设备及介质 | |
| US20220270063A1 (en) | Produce and bulk good management within an automated shopping environment | |
| CN108734162B (zh) | 商品图像中目标识别方法、系统、设备及存储介质 | |
| CN107833083B (zh) | 一种货物订单处理方法、装置、服务器、购物终端及系统 | |
| CN114040153B (zh) | 用于在环境内计算机视觉驱动应用的系统 | |
| US11829943B1 (en) | Updating a position of a user within a materials handling facility | |
| WO2020010827A1 (zh) | 一种基于开放式自动售货机的购物结算方法和装置 | |
| US9262681B1 (en) | Probabilistic registration of interactions, actions or activities from multiple views | |
| Zhang et al. | Toward new retail: A benchmark dataset for smart unmanned vending machines | |
| WO2019237729A1 (zh) | 一种购物结算方法、装置和用户终端 | |
| US11301684B1 (en) | Vision-based event detection | |
| CN108389230A (zh) | 冰箱容量自动检测方法、系统、设备及存储介质 | |
| TW202013240A (zh) | 基於深度學習之商店實物圖 | |
| CN104296852A (zh) | 果蔬商品的自助称量方法及装置 | |
| US11875570B1 (en) | Updating agent position information | |
| CN104797905A (zh) | 自动光学定尺寸和成像 | |
| US10679177B1 (en) | Using depth sensing cameras positioned overhead to detect and track a movement of a user within a materials handling facility | |
| US20200387865A1 (en) | Environment tracking | |
| CN112200631B (zh) | 一种行业分类模型的训练方法及装置 | |
| US20190244282A1 (en) | Computerized exchange network | |
| JP2016048409A (ja) | データ解析装置、データ解析システム、売上予測装置、売上予測システム、データ解析方法、売上予測方法、プログラムおよび記録媒体 | |
| CN109190919A (zh) | 零售关键业绩指标生成方法、系统、设备及存储介质 | |
| US10586203B1 (en) | Segmenting a user pattern into descriptor regions for tracking and re-establishing tracking of a user within a materials handling facility | |
| CN111428743B (zh) | 商品识别方法、商品处理方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |